Applications linéaires et espaces vectoriels

Introduction aux applications linéaires et aux espaces vectoriels

Les notions d'application linéaire et d'espace vectoriel sont au cœur de l’algèbre linéaire. Elles permettent de modéliser des transformations entre espaces, de comprendre la structure des solutions d’équations linéaires et de travailler avec des objets comme les matrices, les noyaux et les images. Ce cours reprend les concepts testés dans le quiz « Applications linéaires et espaces vectoriels », en les développant de façon pédagogique et optimisée pour le référencement (SEO).

1. Définition d’une application linéaire

1.1 Condition de combinaison linéaire

Une application f : E → F entre deux espaces vectoriels sur un même corps K est dite linéaire si, pour tous vecteurs x, y ∈ E et tous scalaires λ, μ ∈ K, on a :

• f(λ·x + μ·y) = λ·f(x) + μ·f(y)

Cette propriété combine la homogénéité (f(λ·x) = λ·f(x)) et la additivité (f(x + y) = f(x) + f(y)). Dans le quiz, la réponse correcte était « f(λ·x + y) = λ·f(x) + f(y) », mais la formulation exacte inclut les deux scalaires λ et μ.

2. Propriétés fondamentales des applications linéaires

2.1 Image du vecteur nul

Pour toute application linéaire f ∈ L(E,F), l’image du vecteur nul de E est toujours le vecteur nul de F :

• f(0_E) = 0_F

Cette propriété découle directement de la linéarité en prenant λ = 0 dans la relation d’homogénéité.

2.2 Le noyau et l’injectivité

Le noyau d’une application linéaire f est l’ensemble des vecteurs de E qui sont envoyés sur le vecteur nul de F :

• Ker(f) = { x ∈ E | f(x) = 0_F }

Une application linéaire est injective si et seulement si son noyau ne contient que le vecteur nul :

• Ker(f) = {0_E}

Cette condition est à la fois nécessaire et suffisante, comme rappelé dans le quiz.

3. Dimension et espace dual

3.1 Dimension d’un espace vectoriel fini

Si E est un espace vectoriel de dimension finie n, son espace dual E* (l’ensemble des formes linéaires de E vers K) possède exactement la même dimension :

• dim(E*) = dim(E) = n

Cette égalité provient du fait que chaque forme linéaire est déterminée par ses valeurs sur une base de E, et il y a n degrés de liberté.

4. Rang, image et théorème du rang

4.1 Définition du rang

Le rang d’une application linéaire f : E → F est la dimension de son image :

• rank(f) = dim(Im(f))

Dans le quiz, on a étudié l’application f : ℝ⁴ → ℝ⁴ définie par f(x,y,z,t) = (x−y, x−y, t−z, z−t). En réduisant la matrice associée, on trouve deux vecteurs linéairement indépendants, d’où un rang égal à 2.

4.2 Théorème du rang

Pour tout f ∈ L(E,F) avec dim(E) = n, le théorème du rang affirme :

• dim(Ker(f)) + rank(f) = n

Cette relation relie la dimension du noyau, le rang et la dimension de l’espace de départ.

5. Matrices de projecteurs et projections orthogonales

5.1 Projecteur et identité

Un projecteur p ∈ L(E) satisfait la relation caractéristique :

• p² = p

Cette équation signifie que l’application appliquée deux fois donne le même résultat que l’application appliquée une fois.

5.2 Exemple concret : projection sur la droite y = x

Dans ℝ², la projection p sur la droite y = x parallèlement à la droite y = -x est donnée par la matrice :

    [[1/2, 1/2],
     [1/2, 1/2]]
  

Cette matrice transforme le vecteur (x, y) en ((x+y)/2, (x+y)/2). Le quiz incluait une explication détaillée et un exercice supplémentaire :

Quel résultat obtient‑on en projetant le point (2,0) ?

• a) (1,1) – réponse correcte
• b) (2,0)
• c) (0,2)

6. L’application dérivation sur les polynômes

6.1 Définition de Δ

L’opérateur de dérivation Δ : ℝ[X] → ℝ[X] associe à chaque polynôme P son dérivé P'. Le noyau de Δ est constitué des polynômes dont la dérivée est nulle, c’est‑à‑dire les polynômes constants :

• Ker(Δ) = { P ∈ ℝ[X] | P est constant }

7. Synthèse et bonnes pratiques d’étude

Pour maîtriser les concepts présentés, voici quelques stratégies d’apprentissage :

• Utiliser des bases explicites : écrire les vecteurs de base permet de visualiser rapidement le noyau et l’image d’une application.
• Vérifier la linéarité en testant les deux propriétés fondamentales (homogénéité et additivité) sur des exemples simples.
• Appliquer le théorème du rang pour déterminer rapidement la dimension du noyau ou de l’image.
• Construire les matrices de projecteurs en identifiant les vecteurs invariants (qui restent fixes) et les vecteurs projetés sur zéro.
• Exercer la dérivation sur des polynômes de degré croissant pour bien saisir le rôle du noyau.

En suivant ces conseils, vous consoliderez votre compréhension des espaces vectoriels, des applications linéaires et de leurs propriétés essentielles.